Question

我现在正致力于使用包含两个组件的混合模型：normal和lognormal来拟合向量。我尝试使用JAGS，这是代码：

model {
   for(i in 1:N) {
     y[i] <- latent[i,index[i]+1]
     index[i] ~dbern(pi)
     latent[i,1]~ dlnorm(mu1,tau1)
     latent[i,2]~ dnorm(mu2,tau2)}
     pi ~ dbeta(0.5,0.5)
     mu1 ~ dnorm(0.4,0.000001)
     tau1~ dgamma(0.001,0.001)
     mu2 ~ dnorm(4,0.000001)
     tau2~ dgamma(0.001,0.001)
}

但是，它不适用于错误消息＆＃34; y [1]是逻辑节点，无法观察到＆＃34;。我也试过

y[i] <- pi*z1+(1-pi)*z2

z1 ~ dnorm(mu1,tau1)

z2 ~ dlnorm(mu2,tau2)

...

但它给出了相同的错误消息。我似乎必须为y [i]分配一个分布。任何人都可以帮助克服这个问题吗？或者其他解决这种混合模型的方法也会受到赞赏！

Answer 1

如果你只是想混合这两个模型，你可以这样做：

model {
   for(i in 1:N) {
     index[i] ~dbern(pi)
     latent[i]~ (dlnorm(mu1,tau1)*(1-index[i]))+(dnorm(mu2,tau2)*index[i]) 
}
     pi ~ dbeta(0.5,0.5)
     mu1 ~ dnorm(0.4,0.000001)
     tau1~ dgamma(0.001,0.001)
     mu2 ~ dnorm(4,0.000001)
     tau2~ dgamma(0.001,0.001)
}

这样，在模型的每个步骤中，它选择使用对数正态模型或正态模型。如果您跟踪index，它将告诉您MCMC链中每个步骤选择的分布（index = 1 = normal，index = 0 = lognormal）。此外，您可以将索引的总和除以MCMC链中的步数除以获得选择1的次数（正常）。

关于拟合正态+对数正态混合模型的问题

1 个答案: